AI в компаниях

• Как обмазать метриками итерации работы над тулингом (правки AGENTS.md, новые скиллы, субагенты, etc) для большой команды (>100 человек)
• Внедрение и использование async cloud агентов
• Процессы контроля качества агентского кода (разные подходы к агентским ревью, оптимизация человеческого code review, любые другие проверки)
• Как AI меняет процессы QA, в том числе автоматизация того, что привыкли делать ручным QA
• Внедрение в процесс разработки типичной продуктовой компании + расширение на весь SDLC: как от ускорения этапа разработки перейти к прокачке всего процесса разработки
• Разные прикладные сценарии использования AI в SDLC, вроде автоматического фикса перфоманс регрессий / large scale рефакторинги
• Как внедрить AI в сильно зарегулированную компанию, какие варианты можно предложить
• Как меняется роль платформенных команд – что остаётся платформой, что уходит агентам и как в целом должен выглядеть DevEx в такой модели
• Как меняется обучение джунов
• Внедрение AI в процессы компании за рамками SDLC.
• Как организовывается работа с данными в компании для того, чтобы их мог использовать агент.
• Как меняется процесс разработки в команде, как в него включаются существующие роли вроде продактов и QA.

Работа с агентами

• Системный подход к улучшению и оценке эффективности промптов и скиллов
• Как писать системные промпты с guardrail'ами таким образом, чтобы агент работал четко по плану
• Подходы к оценке качества работы агента, как построить свой простой eval, на какие метрики смотреть
• Как организовать хороший фидбэк луп между агентом и кодом – разные способы дать агенту больше возможностей для проверки результата своей работы + особенно про веб
• Разные способы параллелизации работы с агентами и оркестрация вокруг этого
• Long running agents, как добиться, как сделать так, чтобы не теряли фокус, когда применять, в том числе и когда не применять и как не разориться если это все на платных моделях крутится